利用openCV+python进行HSV颜色识别，并结合滑动条动态改变目标颜色

HSV颜色空间更容易表示一个特定颜色，通过opencv读取的图片为BGR颜色空间，我们利用cv2.cvtColor()可以轻松实现颜色空间的转变。

 

在函数之前，我们先大致了解一下HSV基本颜色分量范围（通过实验得到的模糊范围，实际操作中我们可以据此做出适当调整）。

图片来自：https://blog.csdn.net/taily_duan/article/details/51506776

 

函数学习

1. cv2.inRange(src, lowerb, upperb)

 

作用：

官方解释就是检查数组元素是否位于另外两个数组的元素之间，简言之就是找出指定范围内的颜色，并返回一个二值图像，指定范围内的图像显示为白色，相反为黑色。(注：cv2.inRange()函数对应的颜色空间为HSV)

 

参数：

• src:输入图像
• lowerb:颜色范围下边界（lower boundary）
• upperb:颜色范围上边界（upper boundary）

 

e.g.

 
 

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #载入原图
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_original=cv2.imread(
     
     'E:\ShannonT\\notebook workspace\\images\\qicai.png')
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #转变为HSV颜色空间
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_hsv=cv2.cvtColor(img_original,cv2.COLOR_BGR2HSV)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #返回黄色区域的二值图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_yellow=cv2.inRange(img_original,(
     
     27,
     
     160,
     
     215),(
     
     83,
     
     255,
     
     255))
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'img_original',img_original)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'img_target',img_target)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows() 
    
    
   
   
 
 

程序输出如下：

2. cv2.bitwise_and(src1,src2[,mask])

 

作用：

将图像1和图像2进行按位与操作（bitwise:按位）

 

参数：

• src1:输入图像1
• src2:输入图像2
• mask:可选参数，掩模（可以理解为一个窗口，作用为实现指定区域内的图像操作）

 

e.g.

 
 

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #载入原图
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_original=cv2.imread(
     
     'E:\ShannonT\\notebook workspace\\images\\qicai.png')
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #转变为HSV颜色空间
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_hsv=cv2.cvtColor(img_original,cv2.COLOR_BGR2HSV)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #返回黄色区域的二值图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_yellow=cv2.inRange(img_original,(
     
     27,
     
     160,
     
     215),(
     
     83,
     
     255,
     
     255))
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ##输入图像与输入图像在掩模条件下按位与，得到掩模范围内的原图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_specifiedColor=cv2.bitwise_and(img_original,img_original,mask=img_yellow)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'img_yellow',img_specifiedColor)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

程序输出如下：

 

下面通过一个具体的案例实现图像内黄色信息的识别，并加入滑动条的功能，可以让用户更直观地体验HSV颜色空间。

 
 

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #定义窗口名称
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     winName=
     
     'Colors of the rainbow'
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #定义滑动条回调函数，此处pass用作占位语句保持程序结构的完整性
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     def nothing(x):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     pass
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_original=cv2.imread(
     
     'E:\ShannonT\\notebook workspace\\images\\qicai.png')
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #颜色空间的转换
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img_hsv=cv2.cvtColor(img_original,cv2.COLOR_BGR2HSV)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #新建窗口
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.namedWindow(winName)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #新建6个滑动条，表示颜色范围的上下边界，这里滑动条的初始化位置即为黄色的颜色范围
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.createTrackbar(
     
     'LowerbH',winName,
     
     27,
     
     255,nothing)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.createTrackbar(
     
     'LowerbS',winName,
     
     160,
     
     255,nothing)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.createTrackbar(
     
     'LowerbV',winName,
     
     215,
     
     255,nothing)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.createTrackbar(
     
     'UpperbH',winName,
     
     83,
     
     255,nothing)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.createTrackbar(
     
     'UpperbS',winName,
     
     255,
     
     255,nothing)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.createTrackbar(
     
     'UpperbV',winName,
     
     255,
     
     255,nothing)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     while(
     
     1):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     #函数cv2.getTrackbarPos()范围当前滑块对应的值
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         lowerbH=cv2.getTrackbarPos(
     
     'LowerbH',winName)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         lowerbS=cv2.getTrackbarPos(
     
     'LowerbS',winName)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         lowerbV=cv2.getTrackbarPos(
     
     'LowerbV',winName)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         upperbH=cv2.getTrackbarPos(
     
     'UpperbH',winName)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         upperbS=cv2.getTrackbarPos(
     
     'UpperbS',winName)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         upperbV=cv2.getTrackbarPos(
     
     'UpperbV',winName)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     #得到目标颜色的二值图像，用作cv2.bitwise_and()的掩模
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         img_target=cv2.inRange(img_original,(lowerbH,lowerbS,lowerbV),(upperbH,upperbS,upperbV))
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     #输入图像与输入图像在掩模条件下按位与，得到掩模范围内的原图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         img_specifiedColor=cv2.bitwise_and(img_original,img_original,mask=img_target)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(winName,img_specifiedColor)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     if cv2.waitKey(
     
     1)==ord(
     
     'q'):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     break
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

GIF效果如下：